Assistance pilotage

Le pôle Stratégie s'occupe de la stratégie globale de la course. On utilise la data créée par un algorithme d’optimisation et de simulation, qui est ensuite transmise à la tablette placée dans le volant, qui se trouve donc devant les yeux du pilote. L'odométrie détermine la position du pilote dans la course, et le pilote reçoit les conseils concernant le couple nécessaire à donner.

Le but de la partie Optimisation est de trouver une meilleure façon de conduite, pour que l’énergie consommée soit minimisée et que les différentes contraintes soient respectées. En particulier, la vitesse moyenne doit atteindre une valeur fixée par le règlement du concours (souvent entre 22 et 25 km/h), ce qui est la contrainte dominante.

Pour ce faire, on a codé sur Matlab l’algorithme qui permettait de déduire la stratégie de conduite, étant donnée la topographie précise du terrain. Cet algorithme est basé sur “fmincon” dans Matlab, très utilisé pour déterminer les extrema d’une fonction sous contraintes. On modélise le parcours par quelques centaines de points, et on prend les temps de passage comme variables. Après ce processus d’optimisation, on obtient sur chaque segment entre deux points adjacents le temps de passage “optimisé”, ainsi que la vitesse, l’intensité, le couple de la voiture, et donc la meilleure façon de conduite. Par ailleurs, on utilise “GlobalSearch” pour assurer que l’extremum trouvé soit bien le minimum.

Pour le moment, nous sommes en train de tester l’algorithme avec la topographie de l’EducEco. Sachant que le calcul est coûteux (au niveau du temps), nous avons commencé par une plus petite taille de modélisation du parcours (30 points par exemple). On vérifie alors si le résultat minimise bien la consommation d’énergie.

Pour le temps qu’il nous reste avant le concours, nous allons d’abord finir le premier calcul complètement, et donc avoir déjà une solution de l’algorithme. A la suite de quoi, nous essaierons de compléter et justifier les différentes contraintes. Nous voulons aussi redistribuer les points de modélisation en fonction de la complexité du terrain (pente, virage, etc.). Ceci aura pour but de rendre le calcul plus efficace, ce qui permettra de refaire l’optimisation rapidement en cas de contraintes rajoutées et/ou de changement soudain des conditions de terrain.

Le pôle Stratégie s'occupe de la stratégie globale de la course. On utilise la data créée par un algorithme d’optimisation et de simulation, qui est ensuite transmise à la tablette placée dans le volant, qui se trouve donc devant les yeux du pilote. L'odométrie détermine la position du pilote dans la course, et le pilote reçoit les conseils concernant le couple nécessaire à donner.

Le but de la partie Optimisation est de trouver une meilleure façon de conduite, pour que l’énergie consommée soit minimisée et que les différentes contraintes soient respectées. En particulier, la vitesse moyenne doit atteindre une valeur fixée par le règlement du concours (souvent entre 22 et 25 km/h), ce qui est la contrainte dominante.

Pour ce faire, on a codé sur Matlab l’algorithme qui permettait de déduire la stratégie de conduite, étant donnée la topographie précise du terrain. Cet algorithme est basé sur “fmincon” dans Matlab, très utilisé pour déterminer les extrema d’une fonction sous contraintes. On modélise le parcours par quelques centaines de points, et on prend les temps de passage comme variables. Après ce processus d’optimisation, on obtient sur chaque segment entre deux points adjacents le temps de passage “optimisé”, ainsi que la vitesse, l’intensité, le couple de la voiture, et donc la meilleure façon de conduite. Par ailleurs, on utilise “GlobalSearch” pour assurer que l’extremum trouvé soit bien le minimum.

Pour le moment, nous sommes en train de tester l’algorithme avec la topographie de l’EducEco. Sachant que le calcul est coûteux (au niveau du temps), nous avons commencé par une plus petite taille de modélisation du parcours (30 points par exemple). On vérifie alors si le résultat minimise bien la consommation d’énergie.

Pour le temps qu’il nous reste avant le concours, nous allons d’abord finir le premier calcul complètement, et donc avoir déjà une solution de l’algorithme. A la suite de quoi, nous essaierons de compléter et justifier les différentes contraintes. Nous voulons aussi redistribuer les points de modélisation en fonction de la complexité du terrain (pente, virage, etc.). Ceci aura pour but de rendre le calcul plus efficace, ce qui permettra de refaire l’optimisation rapidement en cas de contraintes rajoutées et/ou de changement soudain des conditions de terrain.